基于模糊AHP-DEMATEL的北极冰区船舶冰困风险评价

2022-08-17薛彦卓周莹鲁阳倪宝玉

哈尔滨工程大学学报 2022年7期

薛彦卓，周莹，鲁阳，倪宝玉

(哈尔滨工程大学船舶工程学院，黑龙江哈尔滨 150001)

北极水域船舶航行安全问题近年来备受关注,冰困是船舶极地航行面临的主要事故场景之一，无冰级或低冰级船舶，一旦发生冰困，冰压作用在船体上可能导致船体损伤，甚至造成人员伤亡等严重后果。因此基于关键风险因素识别，开展北极冰区船舶冰困风险评估研究十分必要。

近年来针对冰困事故风险的研究受到了越来越多学者的关注。Montewka等[1]对冬季层冰、重叠冰、冰脊等复杂海冰条件下船舶冰困风险量化分析展开了研究；Fu等[2]全面分析了影响北极水域船舶冰困的环境因素，构建了冰困风险的多因素耦合模型；Turnbull等[3]分析了船舶离岸距离、盛行风条件、海流和冰况等因素对船舶冰困事故的影响。但是，目前研究中主要考虑了与船舶状态以及环境相关的风险因素，例如，船速、冰况等对船舶在冰中航行的影响。针对冰困事故场景，现有模型中均没有考虑人为因素的影响，尚缺乏基于环境-人-船3方面进行风险因素识别的系统性研究。模糊层次分析法(fuzzy analytic hierarchy process, FAHP)在事故风险因素识别及重要度量化方面应用广泛，付姗姗等[4]提出了一种基于蒙特卡洛的模糊层次分析法识别北极水域船舶航行重要环境因素，但风险因素间的相互作用在现有模型中很少被讨论。

鉴于此，本文引入决策与实验室评估法(decision making trial and evaluation laboratory, DEMATEL)来处理因素间的相关性问题，引入模糊集理论来解决有限信息下认知不确定性表达的局限性，结合层次分析法(analytic hierarchy process, AHP)，提出了一种模糊AHP-DEMATEL方法来识别关键风险因素。基于各因素的权重，利用云模型能够实现不确定性信息中的模糊性和随机性有机结合的优势，采用基于云模型的模糊综合评价法来量化北极冰区船舶冰困风险。

1 船舶冰困风险因素的层次模型

北极冰区其独特的地理条件、变化的气候环境对该水域航行船只和船上操作人员提出了更高的要求。在实际航行中，海冰以及风、浪、流等会对航线造成影响，严重情况下会迫使船舶改道，增加航行不确定性。船长等的冰区航行经验以及专业技能素质对整段航行安全的影响就显得至关重要。此外，导航设备和操作设备等的正常使用以及航海图书的可靠度(包括海图、沿途冰情预报等资料的齐全性、更新度及可信度)也是确保船舶冰区安全航行的重要保障。

因此，本文根据科学性、系统性、定量与定性结合等风险指标选取原则[5]，通过船舶冰困事故分析，文献资料查询[1-3,6]以及专家调研的方式从“环境-人-船”3方面构建了北极冰区船舶冰困风险因素的层次模型。该指标体系以北极船舶冰困风险因素识别为目标，指标层划分为环境因素、人为因素和船舶因素3个指标，分指标层共确定了20个风险指标Ni(i=1,2,…,20)，如图1所示。

图1 北极冰区船舶冰困风险指标体系Fig.1 Risk segments for ships stuck in ice in Arctic ice area

2 船舶冰困风险的研究方法

考虑到冰困事故是多个因素相互作用的结果，同时风险因素识别涉及数据缺乏、专家主观判断等多种不确定性。因此，本文提出了一种模糊AHP-DEMATEL方法来确定指标权重，然后采用云模型来确定隶属度从而量化船舶冰困风险。下面将主要介绍本文涉及的具体研究方法。

2.1 基于模糊AHP的初始权重计算

层次分析法是一种处理复杂决策问题的有效工具，本文针对AHP使用中由于专家主观判断以及语言模糊性带来的不确定性，将传统的九级标度法和三角模糊数进行结合，建立九级模糊标度表，如表1所示。

(1)

k=1,2,…,K,i,j=1,2,…,n

然后利用Wang等[7]提出的修正公式计算各层级风险因素权重的三角模糊数：

i,j,z=1,2,…,n，k=1,2,…,K

(2)

表1 专家判断术语与模糊数的转换关系Table 1 Conversion relationship between judgment terms and fuzzy numbers

假设目标层下的指标层为第1层，各分指标层依次为第2～(n-1)层，则各因素的单排序权重迭代计算得到相对于目标层的总排序权重可表示为:

(3)

(4)

2.2 基于模糊DEMATEL的中心度计算

首先建立语言变量与模糊数之间的映射关系，如表2所示。

表2 判断术语与模糊数的转换关系Table 2 Conversion relationship between judgment terms and fuzzy numbers

然后根据表2搜集专家判定意见，利用Opricovic等[8]的解模糊方法，将三角模糊数转化为一个准确值，具体步骤如下：

4)计算第i个因素对第j个因素的影响值:

2.3 基于模糊AHP-DEMATEL的综合权重计算

利用各因素初始权重和中心度计算综合权重：

(5)

式中：wi为第i个因素的综合权重;hi为第i个因素初始权重的去模糊化值;mi为第i个因素的中心度。

2.4 基于云模型的船舶冰困风险评价

通过云发生器可以实现数字特征与定量数值间的转换，主要包括正向云发生器和逆向云发生器[9]，正向云发生器可以将数字特征转化为云滴，而逆向云发生器反之。采用基于云模型的模糊综合评价法量化船舶冰困风险的具体步骤如下：

1)首先将船舶冰困风险划分为5个等级，并给出相应的评价值范围及特征参数，如表3所示。

表3 风险等级表Table 3 Risk rating table

2)统计基于模糊AHP-DEMATEL计算得到的各专家意见下的综合权重，利用逆向云发生器获得综合权重的云模型参数，综合权重矩阵表达式为:

3)结合表3提出的风险等级，邀请专家组对n个风险因素的风险等级进行赋值打分，然后统计样本采用逆向云算法得到综合评价值的云模型特征参数，综合评价矩阵为:

4)对综合权重矩阵W和综合评价矩阵V进行合成得到冰困风险的云模型参数[10]，表达式为:

R=W°V=

(6)

3 北极冰区船舶冰困风险评估

3.1 基于模糊AHP的初始权重计算

根据表1的评价标准，邀请了来自中远海运集团、大连海事大学、天津大学、国家环境预报中心、中国船舶科学研究中心等从事极地航行船舶相关研究工作的10余位专家，对20个风险因素的相对重要性进行判断。以气象条件下N1～N3风险指标的判断结果为例进行计算说明，专家1判断结果如表4所示。

表4 气象条件下各风险因素重要性两两判断意见Table 4 Judgment on the importance of each risk factor under meteorological conditions

根据表4，构建该层级的模糊判断矩阵：

最后利用式(3)计算各指标权重的三角模糊值，并对各专家的判定结果取均值，然后采用式(4)对结果进行去模糊化处理，结果如表5所示。

表5 风险因素初始权重的去模糊化值Table 5 Defuzzification value of initial weights of risk factors

3.2 基于模糊DEMATEL的中心度计算

根据表2邀请3.1节中的专家对各指标相互影响程度给出判定意见，专家1判定结果如表6所示。

表6 各因素间相互影响程度判断意见Table 6 Opinions on the degree of mutual influence among various factors

Β(1)=

最后利用传统DEMATEL方法计算得到各因素的影响度、被影响度、原因度以及中心度。对所有专家计算结果取均值，结果如表7所示。

表7 各风险因素的影响度、被影响度、原因度及中心度Table 7 Influencing degree, influenced degree, causality and centrality of each risk factor

观察表7，可以发现指标N1～N10、N16原因度大于0(环境因素原因度均大于0)，表明这些因素在系统中易通过影响其他因素来影响输出结果。其中，N10、N9以及N7影响度在所有因素中位居第2～4位，而被影响度值均较小，说明这些因素对其他因素具有较强的影响力而本身却比较难被影响。

指标N11～N15、N17～N20原因度为负值(以上指标均为船舶因素和人为因素)，表明这些指标在系统中易受其他因素的影响。N15、N17以及N12的被影响度值分别位居第1～3位。指标N12、N15除了具有很大的被影响度，还具有很强的影响性，故其中心度很大，表明其在指标系统中发挥作用较大，与系统中其他因素关系密切。

3.3 基于模糊AHP-DEMATEL的综合权重计算

根据式(5)对风险因素的初始权重及中心度进行综合，得到综合权重值并进行排序，结果见表8。

表8 各风险因素的综合权重Table 8 Comprehensive weight of each risk factor

可以看到指标N19权重值为0.152 5，所占比重最大，其次为N14和N15，分别占0.092 9和0.092 1，N20也具有较大影响，权重在0.08以上。考虑相关性之后，N14和N15的权重提高，而N20的权重占比下降，整体上人为因素的重要性在提高。环境因素中指标N7、N6以及N5等对事故影响较大，N4、N1等因素相对而言影响较小，权重在0.01左右。